CLUES verbindet Umwelt- mit Gesundheitsdaten
Umweltfaktoren, wie Klima, Wasser- und Luftqualität können sowohl unsere körperliche als auch unsere mentale Gesundheit beeinflussen. Bisher waren Umwelt- und Gesundheitsdatensätze jedoch fragmentiert und schwer zusammenführbar, um ihre Überschneidung zu untersuchen. CLUES ermöglicht nun genau das. Wir sprachen mit Dr. Marcel Jentsch, Dr. Elli Polemiti und Dr. Sven Twardziok über ihr Projekt.
Welches Problem haben Sie versucht, mit diesem Forschungsprojekt zu lösen?
Es ist eine zentrale Herausforderung zu verstehen, wie unsere Umwelt unser Wohlbefinden beeinflusst. Luftverschmutzung, Klimawandel, das Leben in der Stadt und sozioökonomische Faktoren beeinflussen das Krankheitsrisiko. Das Verknüpfen dieser Belastungsfaktoren mit den Daten einzelner Menschen verlief bislang nur langsam, war fragmentiert und technisch anspruchsvoll.
CLUES (Climate, Urbanicity, Environment and Society; deutsch: Klima, Urbanität, Umwelt und Gesellschaft) wurde entwickelt, um diese Lücke zu schließen. Das Projekt entstand im Rahmen des EU-finanzierten Projekts environMENTAL, das die Auswirkungen von Umweltfaktoren auf die Gehirngesundheit untersucht. Es handelt sich um ein Open-Source-Framework, das den gesamten Prozess automatisiert: von der Auswahl und dem Herunterladen globaler Umweltdatensätze über deren Zusammenführung in ein gemeinsames Format bis hin zur direkten Verknüpfung mit Forschungsteilnehmenden und klinischen Studien. CLUES hält sich an die FAIR-Prinzipien (Findability, Accessibility, Interoperability und Reusability, deutsch: Auffindbarkeit, Zugänglichkeit, Interoperabilität und Wiederverwendbarkeit) sowie an datenschutzkonforme Grundsätze. Forschende aus verschiedenen Disziplinen können es nutzen, um den Umweltkontext systematisch in ihre Forschung einzubeziehen, unabhängig von ihrem technischen Hintergrund oder geografischen Schwerpunkt.
Die Arbeit steht in engem Einklang mit der wissenschaftlichen Vision des Eils Lab am BIH Digital Health Center. Die Gruppe setzt sich intensiv dafür ein, die daten- und KI-gestützte biomedizinische Forschung, durch die Integration umfangreicher klinischer, molekularer und multimodaler Datensätze, voranzutreiben. CLUES vereinfacht es, komplexe Umweltdaten, durch deren Verknüpfung, in verwertbares medizinisches Wissen umzuwandeln. Es ist ein Beispiel für die Art von interdisziplinärer Wissenschaft, die das Labor aktiv fördert, um das Verständnis von Krankheitsmechanismen zu verbessern und letztlich eine präzisere und personalisierte Gesundheitsversorgung zu unterstützen.
Was sind die FAIR-Prinzipien und wie setzt CLUES sie um?
Die FAIR-Prinzipien sind weit verbreitete Leitlinien, die darauf abzielen, die Verwaltung, den Austausch und die Wiederverwendung wissenschaftlicher Daten zu verbessern. Auffindbarkeit bedeutet, dass Daten leicht auffindbar sind; Zugänglichkeit stellt sicher, dass sie bei Bedarf abgerufen und genutzt werden können; Interoperabilität ermöglicht die Zusammenarbeit mit anderen Datensätzen und Systemen und die Wiederverwendbarkeit gewährleistet, dass sie gut beschrieben sind, sodass sie in verschiedenen Kontexten wiederverwendet werden können.
Diese Prinzipien haben die Entwicklung von CLUES von Anfang an geleitet. Die Auffindbarkeit wird durch ein umfassendes Open-Source-Register aller in CLUES enthaltenen Variablen und Datenquellen unterstützt. Die Zugänglichkeit wird durch automatisierte Downloads aus verschiedenen Quellen verbessert, wodurch technische Hürden abgebaut und der Umfang der verfügbaren Daten erweitert werden. Wir erreichen die Interoperabilität durch die Harmonisierung von Datentypen, Koordinatenreferenzsystemen und räumlichen Grenzen über Datensätze hinweg, was eine konsistente Nutzung der Daten über verschiedene Tools und Studien hinweg ermöglicht. Schließlich wird die Wiederverwendbarkeit durch strukturierte Konfigurationsdateien unterstützt, die eine reproduzierbare Datenbankerstellung und eine konsistente Datenverarbeitung über Projekte und Teams hinweg ermöglichen.
Wie stellt CLUES den Datenschutz sicher?
In Kohorten- und klinischen Studien können sensible Daten wie Geolokalisierungsdaten aufgrund datenschutzrechtlicher Beschränkungen oft nicht extern weitergegeben werden und müssen daher lokal innerhalb institutioneller Umgebungen verarbeitet werden. Wir entwickelten CLUES unter Berücksichtigung dieser Tatsache: Die Verknüpfung von Daten auf individueller Ebene mit Umweltexpositionen kann vollständig innerhalb autorisierter institutioneller Umgebungen erfolgen. Dadurch entfällt die Notwendigkeit einer externen Datenübertragung und Datenschutzrisiken werden minimiert. So wird sichergestellt, dass Forschende von umfangreichen Umweltdaten profitieren können, während sie gleichzeitig die Datenschutzbestimmungen, wie beispielsweise die DSGVO, vollständig einhalten.
Was hat Sie überrascht und ggf. warum? Was war neu?
Was uns überraschte, war das Ausmaß dieser Lücke. Trotz der entscheidenden Rolle, die Umweltbelastungen für die körperliche und psychische Gesundheit spielen, ist die Einbindung solcher Daten in die biomedizinische Forschung nach wie vor äußerst komplex, vor allem weil es bislang keine etablierten durchgängigen Arbeitsabläufe gab. Obwohl bereits eine Fülle von Umweltdaten aus Initiativen wie der NASA, Copernicus und dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) frei zugänglich ist, können die meisten biomedizinischen Forschenden diese in der Praxis nicht nutzen. Wissenschaftler*innen sehen sich mit einem Flickenteppich aus unzusammenhängenden Datenquellen konfrontiert, von denen jede ihre eigene Schnittstelle und ihr eigenes Format hat. Gleichzeitig erfordern viele verfügbare Tools das Hochladen sensibler Standortdaten der Teilnehmenden auf externe Cloud-Dienste, was gemäß der DSGVO schlichtweg nicht zulässig ist.
CLUES geht dieses Problem direkt an, indem es eine Open-Source-End-to-End-Lösung zur Generierung von Umweltbelastungsdaten auf individueller Ebene bereitstellt, die weltweit einsetzbar ist. Dies knüpft auch an eine breitere und wachsende Bewegung in der Exposomforschung an, die alle Umweltexpositionen erfasst, denen eine Person im Laufe ihres Lebens ausgesetzt ist. Initiativen wie die GA4GH Human Exposome Data Standards arbeiten daran, gemeinsame internationale Standards für die Erfassung und den Vergleich von Umweltbelastungsdaten zwischen Forschungsgruppen weltweit zu etablieren. Wir sehen CLUES als einen konkreten Schritt in diese Richtung.
Wie profitieren die Patient*innen von dieser Forschung?
Umweltdaten mit individuellen Gesundheitsakten zu verknüpfen, zeigt ein umfassenderes Bild des Krankheitsrisikos. Es ermöglicht eine frühzeitigere Erkennung und eine bessere Vorhersage zukünftiger Erkrankungen. Im Rahmen der personalisierten Medizin können wir Behandlungen und Präventionsmaßnahmen auf die tatsächlichen Umweltbelastungen einer Person zuschneiden, anstatt uns ausschließlich auf genetische oder klinische Daten zu stützen.
Über die individuelle Ebene hinaus ermöglicht die Einbeziehung von Umweltbelastungen in die Gesundheitsforschung ein besseres Verständnis von Krankheitsursachen und liefert die Grundlage für gezieltere Maßnahmen im Bereich der öffentlichen Gesundheit sowie evidenzbasierte politische Interventionen. Sie kann auch Gesundheitssysteme dabei unterstützen, sich auf ökologische Herausforderungen vorzubereiten, indem sie beispielsweise Krankenhäusern hilft, die gesundheitlichen Auswirkungen extremer Wetterereignisse wie Hitzewellen oder Überschwemmungen, die mit dem Klimawandel immer häufiger auftreten, vorhersagen und zu bewältigen.